Geoid (E-Journal)
Not a member yet
504 research outputs found
Sort by
Penggunaan Deep Learning dan Post-Processing Algoritma Douglas-Peucker untuk Ekstraksi Jaringan Jalan pada Area Urban dari Orthophoto
Get PDFPeta dasar skala besar sangat dibutuhkan oleh kota besar/metropolitan seperti Kota Surabaya untuk perencanaan kota dan menunjang pembangunan kota cerdas. Beberapa informasi utama yang paling dibutuhkan dari peta skala besar adalah fitur bangunan dan jaringan jalan. Ekstraksi jaringan jalan merupakan pekerjaan yang menantang karena banyak alasan, termasuk sifat heterogen dari geometri dan spektral, kompleksitas objek yang sulit dimodelkan, dan data sensor yang kurang baik. Intepretasi yang dilakukan oleh operator secara visual masih merupakan pendekatan yang umum digunakan untuk ekstraksi informasi dari orthophoto. Akurasi intepretasi yang dihasilkan tergantung pada keterampilan dan pengalaman dari operator. Sehingga, dapat terjadi inkonsistensi pada data yang dihasilkan oleh operator yang berbeda. Beberapa tahun terakhir ini, ekstraksi otomatis jalan dari orthophoto maupun CSRT menjadi isu penelitian penting dan menantang yang mendapat perhatian lebih besar. Dalam penelitian ini, penulis menerapkan metode deteksi objek berbasis Mask Region-based Convolutional Neural Network (Mask R-CNN) untuk ekstraksi jaringan jalan memanfaatkan orthophoto dan DSM LiDAR di daerah urban Kota Surabaya. Beberapa strategi dirancang dan digabungkan dengan model deteksi objek berbasis Mask R-CNN, termasuk post-processing yang terdiri dari regularisasi poligon algoritma Douglass-Peucker, remove overlap, fill gap, dan penghalusan poligon. Metode yang penulis terapkan menghasilkan kinerja yang cukup baik untuk ekstraksi jalan menghasilkan nilai presisi 90,28%; kelengkapan (recall) 85,85%; skor-F1 88,01%; dan IoU 78,59%; serta overall accuracy 95,25 % dan nilai kappa 90,5%
Pemetaan Tutupan Lahan pada Area Sempadan Sungai menggunakan Teknologi Fotogrametri (Studi Kasus: Sebagian Sempadan Sungai Kelay, Kecamatan Tanjung Redeb, Kabupaten Berau)
Get PDFTutupan lahan merupakan wujud fisik yang dapat dilihat secara visual di permukaan bumi. Beragam contoh jenis tutupan lahan seperti area terbangun, area permukiman, badan air, dan lain sebagainya dapat diidentifikasi secara langsung maupun tidak langsung. Penelitian ini dilakukan untuk mengidentifikasi dan memetakan tutupan lahan yang ada pada area Sempadan Sungai Kelay, Kabupaten Berau. Pemetaan dilakukan dengan menggunakan metode fotogrametri untuk mendapatkan gambaran tutupan lahan secara real time tanpa terhambat oleh awan. Proses pemetaan foto udara dilakukan menggunakan Drone Phantom 4 yang termasuk dalam jenis close range UAVs. Hasil dari pemotretan udara diproses menjadi peta yang melalui proses georeferencing menggunakan metode projective transformation dan pemeriksaan ketelitian GCP dan ICP yang telah disesuaikan dengan Perka BIG nomor 15 tahun 2014 untuk memastikan ketelitian dari foto udara yang dihasilkan. Hasil dari pemetaan tutupan lahan dapat digunakan sebagai bahan evaluasi rujukan untuk Pemerintah di Kabupaten Berau dalam melakukan pemeliharaan area Sempadan Sungai Kelay. Mengingat, menurut Peraturan Pemerintah RI No. 38 tahun 2011, Area Sempadan pada tiap Sungai paling sedikit berjarak 5 meter dari tepi luar kaki tanggul untuk menjaga ekosistem daratan dan Sungai yang tidak saling mengganggu. Sementara area sempadan Sungai Kelay masih didominasi oleh lahan terbangun. Dari penelitian ini, didapatkan hasil bahwa pada area penelitian, terdapat 0,366 hektar Permukiman yang seharusnya tidak diperbolehkan berdiri di atas Sempadan Sungai
PENGADAAN DATA GEOSPASIAL DESA MENGGUNAKAN WAHANA DRONE-QUADCOPTER (STUDI KASUS : DESA SUGENG, KEC.TRAWAS, KABUPATEN MOJOKERTO)
No full textSalah satu kemajuan dibidang ilmu dan teknologi spasial adalah dengan berkembangnya wahana UAV (Unmanned Aerial Vehicle) atau nir awak yang semakin terjangkau baik harga (low cost) dan siap terbang (Ready To Fly / RTF) maupun kemudahan pengoperasiannya terutama untuk pemetaan secara fotogrametris. Fotogrametri sebuah proses untuk memperoleh informasi metris mengenai sebuah obyek melalui pengukuran yang dibuat pada hasil foto udara sebuah obyek. Sedangkan interpretasi foto didefinisikan sebagai ekstraksi dari informasi kualitatif mengenai foto udara dari sebuah obyek oleh analisis visual manusia dan evaluasi fotografi (Edward dan James 2004). Terminologi baru menggunakan pesawat tanpa awak atau yang biasa disebut UAV (Unmanned Aerial Vehicle) merupakan platform yang mendukung untuk pengukuran fotogrametri. UAV standar ini memungkinkan untuk melakukan pelacakan posisi dan orientasi dari sensor yang diimplementasikan dalam sistem lokal atau koordinat global (Eisenbeiss, 2008 dalam Rukmana, 2013).Penelitian ini merupakan kegiatan pemetaan spasial dengan menggunakan alat berupa wahana terbang nir-awak RTF modifikasi yang digunakan untuk memetakan lokasi bencana longsor. Adapun sensor yang digunakan adalah kamera amatir non-metrik. Adapun wahana yang digunakan adalah sejenis Quadcopter dengan ketinggian terbang sekitar 250 meter dan dalam waktu 15 menit pemotretan dilakukan.Dengan metode Fotogrametri maka akan dapat melakukan rapid mapping (pemetaan cepat) yang berupa informasi berupa peta desa dalam rangka menunjang program pemetaan partisipatif nasional (BIG, 2014).Hasil akhir dari kegiatan ini berupa pemetaan desa Sugeng Kec. Mojokerto seluas 270 ha. Peta desa yang dihasilkan dengan format peta ortofoto. Dari 378 foto tersebut telah dipilih dengan pertimbangan tingkat ketajaman, blur dan ketinggian terpilih 232 foto. Dimana satu kelemahan adalah daya baterai litium yang digunakan selama 8 menit/baterai. Untuk kegiatan ini digunakan 4 baterai sehingga total terbang 1 x untuk flight test sedangkan total pemotretan menggunakan 3 baterai atau sepanjang 8 x 3 = 24 menit
Pemanfaatan Digital Surface Model (DSM) dari UAV Fixed Wing untuk Analisis Potensi Panel Surya (Studi Kasus: Desa Banturejo, Kabupaten Malang)
Get PDFEnergi surya merupakan sumber energi yang tidak akan pernah habis ketersediaannya dan energi ini juga dapat dimanfaatkan sebagai energi alternatif yang dapat diubah menjadi energi listrik dengan menggunakan sel surya. Dengan melihat letak geografis Indonesia yang terletak pada garis khatulistiwa dan memiliki iklim tropis dapat dikatakan bahwa negara ini memiliki tingkat intensitas matahari yang cukup stabil dan kaya akan potensi energi surya. Salah satu teknologi yang digunakan dalam penggunaan energi surya adalah panel surya. Dalam memaksimalkan penggunaan panel surya dibutuhkan pemilihan lokasi yang tepat salah satunya dengan menggunakan teknologi fotogrametri. Salah satu teknik Unmanned Aerial Vehicle (UAV). Hasil yang didapatkan dengan wahana Unmanned Aerial Vehicle (UAV) di Desa Banturejo antara lain adalah Orthophoto dan (Digital Surface Model) DSM. Orthophoto hasil pengolahan memiliki resolusi 8,1 cm/pixel sedangkan DSM memiliki resolusi 1,8 cm/pixel. Digitasi dilakukan untuk mendapatkan luasan atap dimana pada Desa Banturejo terdapat 6467 bidang atap dan 1954 atap bangunan dengan luasan 4,43 – 887,95 . Pada penelitian ini perhitungan dilakukan menggunakan software pengolahan data spasial dengan tools Area Solar Radiation dan dengan data pendukung yaitu curah hujan yang didapatkan dari Badan Klimatologi dan Geofisika (BMKG). Perhitungan menghasilkan pola distribusi matahari dimana bangunan yang memiliki permukaan datar dan mengarah ke utara mendapatkan lebih banyak radiasi matahari pada bulan Juli. Nilai radiasi matahari dilakukan perhitungan estimasi produksi listrik, Dimana pada Desa Banturejo bulan Juli menghasilkan 106,94 - 18.785,44 Kwh. Hasil distribusi matahari dilakukan validasi dengan pola sebaran temperatur atap drone thermal. Pola sebaran radiasi matahari dengan temperatur atap memiliki pola yang sesuai
Pipeline Modeling using UAV LiDAR Technology
Get PDFPipelines play an important role in operations in energy supply companies, whether geothermal, gas, or petroleum. Pipeline damage, such as corrosion, dents, and leaks caused by natural or human factors, must be detected. Problems with pipeline assets will indirectly impact high production prices. Pipeline asset mapping must be carried out precisely, quickly, and quietly, considering that the existence of pipelines often causes social unrest. This research analyzed the capabilities of UAV LiDAR for mapping pipelines and support in a three km-long pipeline area. The study concluded that UAV LiDAR can map the position of the pipeline, its position to the ground, the position of the support, and the height of the support on a pipeline network with a diameter of 1 m. This capability applies not only to segments in open areas but also to those covered by vegetation. When orthophoto cannot display the pipeline's existence, the LiDAR point cloud can identify it. This main pipeline, which has a 1 m diameter, 3-D mesh, and 3-D models, can also be formed well. The accuracy of the resulting map is 11.5 cm at a confidence level of 90%. The length of time required from preparation to the presentation of the pipeline longitudinal profile map is eight calendar days with ten manpower
Analisis Pemodelan Tiga Dimensi Candi Tikus Menggunakan Fotogrametri Jarak Dekat
Get PDFCandi Tikus merupakan satu-satunya warisan bangunan cagar budaya berupa candi sekaligus petirtaan yang ada di situs Trowulan dan termasuk kedalam kerajaan Hindu-Budha terbesar di Indonesia yaitu Kerajaan Majapahit. Oleh karena itu, Candi Tikus ini harus dilestarikan dengan cara dirawat dan dipelihara keberadaannya. Salah satu cara untuk mempertahankan keberadaannya adalah dengan cara pendokumentasian. Kegiatan pendokumentasian yang dapat dilakukan untuk melihat secara detail bentuk bangunan adalah melakukan pemodelan 3 dimensi (3D) dengan fotogrametri jarak dekat atau biasa dikenal dengan close range photogrammetry. Akuisisi data dilakukan di lapangan menggunakan wahana UAV dengan perolehan berupa foto udara sebanyak 146 foto dan kamera DSLR dengan perolehan berupa foto terestrial sebanyak 357 foto. Hasil akuisisi data kemudian diolah untuk mendapatkan hasil berupa rekonstruksi 3D model yang kemudian dianalisis akurasi geometriknya menggunakan 15 titik Independent Check Point (ICP) yang diperoleh di lapangan menggunakan Total Station. Dari analisis yang sudah dilakukan diperoleh hasil ketelitian model 3D adalah sebesar 1,2 cm
Spatial Analysis of Flood Inundation From Sentinel-1 Imagery Using Google Earth Engine (Case Study: Bengawan Jero Lamongan Regency)
Get PDFFlooding is a natural disaster due to rivers that are no longer able to accommodate excessive rainwater so that water overflows and inundates the surrounding area. During the rainy season, many areas in Indonesia experience flooding, one of which is the Lamongan Regency. In early 2022, seasonal flooding occurred due to runoff from Bengawan Jero which caused many houses, agricultural land and access roads to be submerged in water. To improve disaster mitigation activities, it is necessary to identify flooding areas using remote sensing. The distribution area of flood inundation was identified using change detection and threshold methods. The change detection method is carried out by using ratio images from Sentinel-1 image data. The results of land cover in Lamongan Regency resulted in 9 land cover classes. Where is dominated by agricultural class land cover with an area of 1057.94 km2 with a percentage of the total area of Lamongan Regency is 60.53%. While the smallest land cover area is the mangrove class covering an area of 101.237 km2 with a percentage of the total area of 0.058%. Extraction of the inundation area was carried out with two different threshold values obtained from equations and statistical calculations. The flood inundation area generated on January 31, 2022, for the first threshold value is 54.932 km2 with an overall accuracy of 97% with a kappa coefficient is 0.94. While the flood inundation area with the second threshold value is 90.330 km2 with an overall accuracy of 94% and a kappa coefficient is 0.88
ANALISA PENDIDIKAN DI KOTA MOJOKERTO DITINJAU DARI KUALITAS SEKOLAH DASAR DAN MENENGAH MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS BERBASIS WEB
No full textKota Mojokerto merupakan kota pemerintahan tersempit di Indonesia, penduduk sebanyak 135.024 jiwa yang dimiliki kepadatan penduduk kota Mojokerto mencapai 8.208 jiwa per km2. Dengan kepadatan penduduk yang cukup tinggi tersebut, maka diperlukan jumlah sekolah dan sarana prasarana pendukung pendidikan yang memadai sehingga dapat menampung penduduk usia sekolah di kawasan Kota Mojokerto. Suatu Sistem Informasi Geografis diperlukan dalam rangka membantu pemerintah kota untuk merencanakan dan mengelola pendidikan di daerahnya.Pada penelitian ini dilakukan pembuatan sistem informasi geografis berbasis Web menggunakan peta Rupa Bumi Indonesia skala 1:25.000 sebagai peta dasar serta data tabular dari Dinas Pendidikan dan Kependudukan maupun hasil penelitian dilapangan sebagai atribut. Hasil dari penggabungan beberapa data tersebut akan ditampilkan pada web.Hasil yang diperoleh dari analisa perbandingan jumlah guru dengan murid adalah 6 SD dan 2 SMK yang masuk kriteria ideal, sedangkan dari analisa rombongan belajar adalah 7 SD, 6 SMP, 1 SMA, dan 2 SMK yang masuk kriteria ideal. Perbandingan usia sekolah dengan daya tampung sekolah di Kecamatan Magersari diperoleh kekurangan daya tampung 5.824 unit untuk Sekolah Dasar dan kelebihan 957 unit untuk Sekolah Menengah, sedangkan untuk Kecamatan Prajurit Kulon diperoleh kekurangan daya tampung sebanyak 5.503 unit untuk Sekolah Dasar dan kekurangan 116 unit untuk Sekolah Menengah. Persebaran sekolah masuk kriteria ideal, hal ini ditunjukkan dengan tercakupnya seluruh wilayah terluar kota Mojokerto ke dalam radius 3 km dan 6 km untuk masing-masing sekolah dasar dan sekolah menengah. Hasil akhir dari penelitian ini adalah WebGIS pendidikan Kota Mojokerto yang berisi beberapa informasi, diantaranya informasi jumlah murid, jumlah guru, prasarana sekolah, alamat dan foto sekolah, serta peta sebaran sekolah. WebGIS ini bertujuan untuk memberikan informasi dan sebagai bahan evaluasi kualitas pendidikan khususnya sekolah dasar dan menengah di Kota Mojokert
Analisis Sebaran Spasial Genangan Banjir Terkait Tutupan Lahan di Kota Banjarmasin, Kalimantan Selatan Menggunakan Citra Sentinel 1 dan 2
Get PDFKota Banjarmasin merupakan salah satu kota di Indonesia yang rawan banjir. Pada 20 Januari 2021 terjadi banjir di beberapa wilayah di Kota Banjarmasin. Banjir mengakibatkan kerugian materi dan sekitar 100 ribu jiwa terdampak, dimana beberapa diantaranya diharuskan mengungsi ke tempat yang lebih aman. Upaya mitigasi bencana banjir dapat dilakukan dengan memetakan genangan banjir menggunakan citra satelit penginderaan jauh, salah satunya citra satelit Synthetic Aperture Radar (SAR) Sentinel-1. Pemetaan genangan banjir dilakukan menggunakan cloud computing Google Earth Engine dengan metode change detection, dimana citra saat banjir dibagi dengan citra sebelum banjir. Luas genangan banjir pada 20 Januari 2021 di Kota Banjarmasin dengan nilai ambang batas (threshold) yang digunakan adalah 1,1 adalah sebesar 1.674,501 ha dengan overall accuracy 91,25%. Banjir berkaitan erat dengan tutupan lahan. Identifikasi tutupan lahan dapat dilakukan menggunakan citra optis Sentinel-2 dengan metode supervised classification. Pemetaan tutupan lahan menggunakan algoritma Classification and Regression Trees (CART) dengan Google Earth Engine. Hasil klasifikasi tutupan lahan dikategorikan menjadi lima kelas yaitu badan air, lahan terbangun, vegetasi, lahan kosong, dan pertanian. Perhitungan uji akurasi dengan confusion matrix menghasilkan nilai overall accuracy sebesar 95,175% dan kappa sebesar 93,08%, sehingga telah memenuhi ketentuan USGS dan menunjukkan akurasi yang sangat baik berdasarkan kriteria Koefisien Kappa Cohen. Kelas tutupan lahan yang paling terdampak adalah lahan terbangun dan pertanian. Hal ini dapat disebabkan karena laju infiltrasi lahan terbangun dan lahan pertanian seperti sawah tergolong sedang hingga lambat dan sistem drainase di Kota Banjarmasin yang kurang memadai
Perbandingan Hasil Klasifikasi Tutupan Lahan Menggunakan Metode Artificial Neural Network (ANN), Support Vector Machine (SVM), dan Random Forest (RF) dengan Bahasa Pemrograman R
Get PDFTeknologi penginderaan jauh telah mengalami perkembangan yang pesat terutama dalam metode klasifikasi citra. Klasifikasi citra merupakan kegiatan yang dilakukan untuk mendeteksi dan mengidentifikasi objek di permukaan bumi pada citra satelit. Saat ini telah dikembangkan berbagai metode klasifikasi citra satelit, salah satunya adalah metode klasifikasi berbasis parameter, seperti MLC (Maximum Likelihood). Namun, metode ini tidak dapat dilakukan di lingkungan dengan fitur objek yang kompleks (seperti di daerah perkotaan atau daerah yang dibangun dengan padat). Hal ini dikarenakan metode klasifikasi berdasarkan parameter yang dibutuhkan dari dataset tidak berdistribusi normal. Oleh karena itu, dikembangkan metode klasifikasi berbasis non-parametrik yang tidak bergantung pada sifat sebaran data, sehingga tidak diperlukan parameter statistik untuk memisahkan banyak kelas pada citra dan digunakan untuk menganalisis citra satelit dengan lahan padat dan kompleks. fitur penutup. Melalui penelitian ini dilakukan analisis komparatif klasifikasi tutupan lahan menggunakan metode klasifikasi berbasis non parametrik dengan pendekatan Machine Learning (Artificial Neural Network, Support Vector Machine, dan Random Forest) untuk wilayah Kota Surabaya menggunakan Landsat-8 data citra satelit, untuk mengetahui hasil klasifikasi kinerja yang dihasilkan dari ketiga metode tersebut. Klasifikasi tutupan lahan yang diterapkan pada penelitian ini terdiri dari empat kelas yaitu, badan air, lahan terbuka, lahan terbangun, dan vegetasi. Adapun komposisi training point yang digunakan adalah 80:20, dimana 80% titik sebagai titik sample dan 20% sebagai titik validasi. Dan jumlah seluruh training point adalah 237 titik. Hasil klasifikasi tutupan lahan pada penelitian ini kemudian dilakukan uji akurasi secara kualitatif dan kuantitatif. Berdasarkan uji akurasi secara kuantitatif metode Random Forest menunjukkan hasil yang paling baik dengan nilai overal accuracy 93,33% dan kappa accuracy sebesar 91,07%